數(shù)字?jǐn)z影測量論文典型點特征提取算法研究(更新版)
【正文】 是通過相關(guān)矩陣作為點特征的提取測度。在圖中某些傾斜的邊緣上也有一些點被提取出來，但特征點的數(shù)量少于 Moravec算子提取出來的結(jié)果。通過上面的結(jié)果可以看到 Forstner算子有以下特點： （ 1）經(jīng)驗閾值影 響大。 通過上述分析，可以清楚的看到 Moravec算子的定位不夠精確，特征點會被錯誤提取。 （ 3）不能準(zhǔn)確定位。從上面的提取效果中也可以發(fā)現(xiàn)，圖像中灰度對比度較小的區(qū)域里的非常明顯的特征點也沒有提取出來。在一定大小的窗口內(nèi)（一般不同于興趣值計算的窗口大?。┻x取 I 值中最大的點作為特征點。本文中，對經(jīng)典的 Harris算法加入了一個閾值選擇的步驟。 其中： DetN 表示矩陣 N的行列式； trN表示矩陣 N的跡。 （ 3）極大值濾波，選出特征點。主要的提取目標(biāo)為角點，并通過標(biāo)準(zhǔn)圖像（如下圖 ）來對三種點特征提取算子的提取效果作比較。在各種文獻(xiàn)中，人們根據(jù)不同的出發(fā)點和目的提出了多種特征提取的興趣算子。通過編程實現(xiàn)，對三種點特征提取算子的效果和優(yōu)缺點做了比較分析。影像的特征一般可以分為點特征、線特征、面特征三類。第二類是基于圖像邊緣特征的算子：通過先對圖像的邊緣輪廓進(jìn)行提取，然后通過邊界上方向變化的快慢來判斷特征點，這種方法的效果依賴于圖像邊緣提取的效果，計算復(fù)雜度高。 （圖 Moravec算子的四個方向） 具體的實現(xiàn)步驟如下： （ 1）計算各象元的興趣值 IV。在本文中只考慮算子在提取特征點（即選取最佳窗口）的過程的實現(xiàn)。這里的對 q和 w分別有閾值。 （ 2）高斯濾波，計算 I值。特別是在測試圖像的左方的灰度梯度區(qū)域，沒有提取出任何的角點。 （ 2）噪聲敏感。可以通過下圖 。那么我們可以考慮距離加權(quán)的方式來計算這四個方向的灰度差平方和，這樣在計算值時只需要乘上一個權(quán)值（權(quán)值可以定義為）就可以將不同距離的像素最中心位置的灰度影響表現(xiàn)出來。 Forstner算子通過對灰度的協(xié)方差矩陣的計算，選擇出那些接近于圓的誤差橢圓的點，因此 Forstner算子不像 Moravec算子僅僅考慮了某幾個方向的灰度變化量，還考慮到了整體的誤差橢圓的分布。在本文中，對 Harris算子添加了一個閾值判斷步驟。 但在 實際的應(yīng)用中，可以發(fā)現(xiàn) Harris更加可靠，提取出來的點分布較為均勻，數(shù)量也比較適中；而 Moravec由于對鋸齒狀的邊緣非常敏感往往會產(chǎn)生很多的無效特征點的提取，F(xiàn)orstner提取的特征點會比較少而不滿足于如 DEM密集點生成等任務(wù)。 參考文獻(xiàn) [1] 張祖勛 張劍清 .1997 數(shù)字?jǐn)z影測量學(xué) [M].武漢大學(xué)出版社 . [2] 陳靜 .圖像配準(zhǔn)特征點提取算法研究 [D].南京：南京理工大學(xué)， 2021. [3] 謝東海 ,詹總謙 ,江萬壽 .2021 改進(jìn) Harris 算子用于點特征的精確定位 [J]. 測繪信息與工程 . [4] 李玲 .數(shù)字圖像點特征及邊緣特征提取方法的研究與實現(xiàn) [D],西安： 西安科技大學(xué) ,2021.
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1